摘要 | 第1-5页 |
ABSTRACT | 第5-9页 |
第一章 绪论 | 第9-13页 |
§1-1 研究背景及意义 | 第9-10页 |
§1-2 粗集理论研究与应用现状 | 第10-11页 |
§1-3 遥感影像信息处理研究现状 | 第11-12页 |
§1-4 主要研究内容 | 第12-13页 |
第二章 遥感影像的不确定性 | 第13-19页 |
§2-1 空间数据不确定性的来源 | 第13-15页 |
2-1-1 客观世界的不确定性 | 第13-14页 |
2-1-2 人类认知的不确定性 | 第14页 |
2-1-3 空间数据获取误差 | 第14-15页 |
2-1-4 空间数据分析与处理的不确定性 | 第15页 |
§2-2 遥感影像的不确定性 | 第15-16页 |
2-2-1 遥感影像不确定性的来源 | 第15-16页 |
2-2-2 遥感影像不确定性的表现形式 | 第16页 |
§2-3 粗集理论在遥感影像不确定性分析中的应用 | 第16-17页 |
§2-4 本章小结 | 第17-19页 |
第三章 粗集理论及其应用 | 第19-28页 |
§3-1 粗集理论的基本概念 | 第19-22页 |
3-1-1 知识与知识分类的概念 | 第19-20页 |
3-1-2 粗集理论的不确定性处理机制 | 第20-22页 |
3-1-2-1 不精确范畴和上下近似集 | 第20-21页 |
3-1-2-2 近似分类精度 | 第21-22页 |
§3-2 知识约简 | 第22-23页 |
3-2-1 绝对约简和绝对核 | 第22-23页 |
3-2-2 相对约简和相对核 | 第23页 |
§3-3 决策表知识表达系统 | 第23-25页 |
3-3-1 知识表达系统 | 第23-24页 |
3-3-2 决策表 | 第24页 |
3-3-3 区分矩阵 | 第24-25页 |
§3-4 粗集理论的应用模式 | 第25-27页 |
3-4-1 决策分析 | 第25-26页 |
3-4-3 模式识别 | 第26-27页 |
§3-5 本章小结 | 第27-28页 |
第四章 基于粗集理论的遥感影像分类知识发现研究 | 第28-55页 |
§4-1 遥感影像分类知识发现 | 第28-32页 |
4-1-1 空间数据挖掘和知识发现 | 第28-29页 |
4-1-2 统计模式识别 | 第29-31页 |
4-1-3 机器学习 | 第31页 |
4-1-4 神经计算 | 第31页 |
4-1-5 可视化 | 第31-32页 |
§4-2 基于粗集理论的遥感影像分类知识发现 | 第32页 |
§4-3 遥感影像数据的特征离散化 | 第32-39页 |
4-3-1 遥感影像数据的特征离散化 | 第33页 |
4-3-2 基于信息熵的离散特征聚类方法 | 第33-39页 |
4-3-2-1 Shannon熵的准则函数 | 第33-35页 |
4-3-2-2 基于信息熵的离散特征聚类方法 | 第35-39页 |
§4-4 遥感影像分类知识约简 | 第39-52页 |
4-4-1 属性约简 | 第39-46页 |
4-4-1-1 属性约简的一般算法 | 第39-41页 |
4-4-1-2 区分矩阵和相似矩阵属性约简方法 | 第41-42页 |
4-4-1-3 实例说明 | 第42-46页 |
4-4-2 属性值约简 | 第46-49页 |
4-4-2-1 一般值约简算法 | 第46-47页 |
4-4-2-2 相似矩阵属性值约简算法 | 第47-48页 |
4-4-2-3 实例说明 | 第48-49页 |
4-4-3 Iris的遥感数据集分类规则提取试验 | 第49-52页 |
§4-5 基于分类规则的粗糙分类器的设计和实现 | 第52-54页 |
4-5-1 分类器的设计和实现 | 第52-53页 |
4-5-2 基于粗集理论的遥感影像分类知识发现模型 | 第53-54页 |
§4-6 本章小结 | 第54-55页 |
第五章 分类结果误差和精度的评价 | 第55-61页 |
§5-1 误差来源及其特征 | 第55-56页 |
§5-2 精度评价方法 | 第56-59页 |
5-2-1 误差矩阵与精度指标 | 第56-58页 |
5-2-2 Kappa分析 | 第58-59页 |
§5-3 本章小结 | 第59-61页 |
第六章 结论与展望 | 第61-64页 |
§6-1 研究重点和创新 | 第61页 |
§6-2 结论 | 第61-62页 |
§6-3 不足与展望 | 第62-64页 |
参考文献 | 第64-67页 |
附录 | 第67-68页 |
攻读硕士学位期间发表的论文 | 第67页 |
攻读硕士学位期间课题研究情况 | 第67-68页 |
致谢 | 第68页 |